超宽带(Ultra Wide Band,UWB)室内定位系统的定位性能主要受信号非视距(None Line Of Sight,NLOS)传播影响。为此该文提出一种基于信道统计量(Channel Statistics Information,CSI)的信道NLOS状态检测法。该方法首先在IEEE802.15.4a信...超宽带(Ultra Wide Band,UWB)室内定位系统的定位性能主要受信号非视距(None Line Of Sight,NLOS)传播影响。为此该文提出一种基于信道统计量(Channel Statistics Information,CSI)的信道NLOS状态检测法。该方法首先在IEEE802.15.4a信道模型下对均方根时延扩展和平均超量延迟的概率分布函数进行建模,作为信道标准分布。再以信道瞬时分布与标准分布间的KL散度为检验统计量做似然比检验(Likelihood Ratio Test,LRT)来鉴别信道状态。同时提出一种基于LRT的定位算法LRT-Chan算法。该算法能有效利用受NLOS污染的测距数据提高定位精度。仿真结果表明:LRT信道状态检测法在全部UWB信道中都能获得较高检测准确率;在定位锚点(Anchor Node,AN)分布不理想的NLOS环境中LRT-Chan算法也能取得较高定位精度。展开更多
为了获得高精度的多输入多输出(multiple-input multiple-output,MIMO)雷达的目标角度估计和幅度估计,本文基于幅度相位估计(amplitude and phase estimation,APES)算法和广义似然比检验(generalized-likelihood ratio test,GLRT)算法,...为了获得高精度的多输入多输出(multiple-input multiple-output,MIMO)雷达的目标角度估计和幅度估计,本文基于幅度相位估计(amplitude and phase estimation,APES)算法和广义似然比检验(generalized-likelihood ratio test,GLRT)算法,提出了一种使用似然比的相位幅度估计(GAPES)新算法。在接收端通过GLRT算法估计出目标角度,然后用APES算法修正幅度,实现了在强干扰环境下提高角度和幅度分辨率。仿真结果表明了该算法的有效性。展开更多
文摘超宽带(Ultra Wide Band,UWB)室内定位系统的定位性能主要受信号非视距(None Line Of Sight,NLOS)传播影响。为此该文提出一种基于信道统计量(Channel Statistics Information,CSI)的信道NLOS状态检测法。该方法首先在IEEE802.15.4a信道模型下对均方根时延扩展和平均超量延迟的概率分布函数进行建模,作为信道标准分布。再以信道瞬时分布与标准分布间的KL散度为检验统计量做似然比检验(Likelihood Ratio Test,LRT)来鉴别信道状态。同时提出一种基于LRT的定位算法LRT-Chan算法。该算法能有效利用受NLOS污染的测距数据提高定位精度。仿真结果表明:LRT信道状态检测法在全部UWB信道中都能获得较高检测准确率;在定位锚点(Anchor Node,AN)分布不理想的NLOS环境中LRT-Chan算法也能取得较高定位精度。
文摘脉冲超宽带(impulse radio ultra wide band,IR-UWB)测距定位系统中,信号的非视距(non-line-of-sight,NLOS)传播检测及在定位算法中给予误差矫正是提升定位性能的主要方法。为此提出了一种基于信道统计量(channel statistic information,CSI)——峭度(kurtosis,K)和均方根时延扩展(root mean square delay spread,RMS)联合似然比检验(Likelihood ratio test,LRT)区分NLOS状态的算法。该算法首先对IEEE802.15.4a信道的K和RMS的概率分布进行建模,作为标准信道分布;然后对信道的瞬间分布和标准分布的KL散度做LRT检测信道状态。最后利用信道检测结果,提出了一种基于LRT的Taylor(LRT-Taylor)定位算法。仿真结果表明:K和RMS联合的LRT检测法鉴别所有UWB信道环境都有较高的准确率;在移动端(mobile terminal,MT)与锚点(anchor node,AN)间为较复杂的NLOS环境时,LRT-Taylor算法也能获得较高的定位精度。
文摘为了获得高精度的多输入多输出(multiple-input multiple-output,MIMO)雷达的目标角度估计和幅度估计,本文基于幅度相位估计(amplitude and phase estimation,APES)算法和广义似然比检验(generalized-likelihood ratio test,GLRT)算法,提出了一种使用似然比的相位幅度估计(GAPES)新算法。在接收端通过GLRT算法估计出目标角度,然后用APES算法修正幅度,实现了在强干扰环境下提高角度和幅度分辨率。仿真结果表明了该算法的有效性。